- Transformer 中的推理：减轻伪相关性和推理捷径
用已知有误导性关联的数据集，在逻辑推理任务中训练两种模型：基于证明的生成式 Transformer 模型 WP-BART 和神经符号模型 SIP-BART。结果发现，SIP-BART 能够避免逻辑推理的捷径，而 WP-BART 无法。对于 - R^2-Bench: 参照感知模型在干扰下的鲁棒性基准测试
本研究评估了引用感知模型对各种扰动在通用和特定情境下的鲁棒性，提出了扰动的综合分类，并开发了一个多功能工具箱来合成和评估复合扰动的影响。通过该工具箱，构建了一个评估引用感知模型对嘈杂条件下的健壮性的基准，同时还提出了一种基于语言模型的代理机 - 使用 LLMs 创建细粒度实体类型分类法
通过使用 GPT-4 和其高级版本 GPT-4 Turbo，本研究探讨了它们在自主开发详细实体类型分类系统方面的潜力。我们的目标是构建一个全面的分类系统，从广泛的实体类型分类开始，包括对象、时间、地点、组织、事件、行动和主题等，类似于现有的 - IJCAI抽取式知识图谱摘要的调查：应用、方法、评估和未来方向
知识图谱（Knowledge Graphs）的持续增长使得抽取式知识图谱（extractive KG summarization）成为一个热门的任务。本论文首次对其应用进行了系统概述，并从跨学科研究的角度定义了现有方法的分类学。基于我们的广 - 通过图表示学习，理解关于大型语言模型的综述论文分类
我们开发了一种方法来自动将调查论文分配给一个分类体系，在 144 篇大型语言模型调查论文的元数据的基础上，我们探索了三种范式来分类分类体系中的论文。我们的研究表明，在两种范式中，利用共同类别图的图结构信息可以明显优于语言模型。我们发现我们的 - 人工智能与人类的融合决策系统学习范式
每天我们越来越依赖于机器学习模型来自动化和支持高风险任务和决策。这篇论文提出了混合决策系统的分类法，提供了一个概念和技术框架，以理解当前计算机科学文献中的人机交互模型。
- 图上的连续学习：综述
综述连续图学习的最新研究进展，从解决灾难性遗忘的角度提出连续图学习的分类方法，探讨在连续改进中应用这些方法所面临的挑战和可能的解决方案，并讨论了对连续图学习发展的开放问题和未来方向以及其对连续性性能改善的影响。
- 安全多模学习系统调查
对于多模态学习系统（MMLS），缺乏系统性的安全性研究已成为其发展的重大障碍。本文提出了首个 MMLS 安全性分类法，并从四个关键方面深入探讨了其安全性问题及现有研究的限制，最后指出了 MMLS 安全性面临的独特挑战和未来研究的潜在方向。
- 多元时间序列插补的深度学习：综述
通过对最近提出的深度学习插补方法进行综合调查，本文首先提出了一种分类法，然后通过强调其优势和局限性对这些方法进行了结构化的审查。同时，我们还进行了实证实验，研究了不同方法并比较了它们对下游任务的改进效果。最后，指出了未来研究多变量时间序列插 - 迈向绿色和人类智能：当代少样学习方法的综合调查
深度学习在数据资源和计算资源需求上的局限性使得其在许多数据受限的实际应用中不实用，而 Few-Shot Learning（FSL）旨在通过使其能够快速适应新学习任务来解决这些限制，并在最近几年取得了显著的增长。本综述提供了对该领域最新进展的 - 大规模语言模型推动图表示学习的进展：技术综述
利用大型语言模型和图表示学的集成标志着复杂数据结构分析的重大进展，通过利用 LLM 的先进语言能力来改善图模型的上下文理解和适应性，从而拓宽了 GRL 的范围和潜力。本研究通过提出一种新颖的分类法，深入分析了 LLM 与 GRL 之间的核心 - 图结构压缩调研
图结构的分析在大规模图数据上带来了显著的挑战，而图压缩是为了解决这些挑战而出现的解决方案之一，本文通过对图压缩的形式定义和分类研究方法，以及对数据集和评估指标的全面分析，提供了对这一领域的研究方向与挑战的认识，并给出了指导未来研究的简明指南 - RL/LLM 税务分类树：回顾强化学习与大型语言模型之间的协同效应
本文探讨将强化学习和大型语言模型两大领域结合的研究，提出了一个分类系统并分析了其协同效应和潜在问题。
- 一份关于 3D 内容生成的全面调查
人工智能在生成内容领域取得了显著进展，其中 3D 内容生成作为视觉模态之一，面临巨大的知识和技术挑战。本研究回顾了 3D 内容生成技术的发展，并提出了一个新的分类法，详细介绍了三种不同类型的方法。同时，讨论了当前技术的局限性以及未来工作的挑 - 关于推荐系统中大数据的经验和实验观点：综合调查
本研究探讨大数据推荐系统中的算法，并提出了一种基于三级层次结构的分类方法，通过实证和实验评估，对各种技术进行了排名。同时，研究还展示了大数据技术在推荐系统领域的未来前景和进一步研究的机会。
- 云基 AI 服务的隐私和安全影响研究
云生态系统中的隐私和安全论文指出，解决机器学习模型引入的风险存在差距，通过调查 AIaaS 领域，提出了一种分类法来全面检查 ML 模型的创作者和消费者所面临的风险及其已知防御措施，为提供方和消费方提供了基础解决方案。
- 视频预测综述：从确定性到生成方法
该论文综述了视频预测领域的历史和现代工作，包括广泛应用的数据集和算法，并提出了一个以视频预测算法的随机性为中心的新的分类方法。该分类方法强调了从确定性到生成性预测方法的渐进转变，突显了方法的重大进展和转变。
- 面向目标导向的大型语言模型提示：综述
大型语言模型在各种下游任务中表现出显著性能，而引导工程在优化大型语言模型性能中起着关键作用。本文通过回顾 35 项代表性研究，突出设计提示的局限性，同时保持一个期待大型语言模型像人类思考的人类化假设。通过引导大型语言模型按照建立的人类逻辑思 - Gradable ChatGPT 翻译评估
ChatGPT 对机器翻译领域产生了深远影响。本文提出了一种通用的分类法，定义了可分级的翻译提示，从表达类型、翻译风格、词性信息和明确陈述等方面来构建适用于不同翻译任务的具有不同特点的提示，以此验证方法的有效性。
- 遥感中的图像融合：概述与元分析
影像融合在遥感中是一个重要需求，本研究通过简单分类法对相关作品进行综述，涵盖了各种类型的影像融合及其应用，同时提出了开放性研究方向和未来可能的工作。